#кейсИИ Автоматическое распознавание дефектов дорожного покрытия во Владимирской области
Объект внедрения: Трасса Р-73 Владимир – Тума
Разработчик: Deep Systems
Как работает:
На отснятых дорожными лабораториями видео автоматизирован ручной труд операторов по выделению дефектов: трещин, ям, заплаток и т.д. Особенностью реализованных в проекте нейросетевых моделей является выполнение ими большого количества параллельных вычислений. Скорость обучения и распознавания модели в 50-100 раз выше стандартных аналогов за счет обработки потоковых данных на графических процессорах.
Результаты:
Создано специализированное ПО, позволяющее операторам дорожного мониторинга создавать, корректировать и пополнять обучающие выборки, просматривать результаты распознавания, выполнять постобработку полученных результатов. На базе данной технологии автоматически распознано уже более 6 тыс. километров дорог.
🏷Карточка кейса
👉🏻Больше кейсов в сфере транспорта
Объект внедрения: Трасса Р-73 Владимир – Тума
Разработчик: Deep Systems
Как работает:
На отснятых дорожными лабораториями видео автоматизирован ручной труд операторов по выделению дефектов: трещин, ям, заплаток и т.д. Особенностью реализованных в проекте нейросетевых моделей является выполнение ими большого количества параллельных вычислений. Скорость обучения и распознавания модели в 50-100 раз выше стандартных аналогов за счет обработки потоковых данных на графических процессорах.
Результаты:
Создано специализированное ПО, позволяющее операторам дорожного мониторинга создавать, корректировать и пополнять обучающие выборки, просматривать результаты распознавания, выполнять постобработку полученных результатов. На базе данной технологии автоматически распознано уже более 6 тыс. километров дорог.
🏷Карточка кейса
👉🏻Больше кейсов в сфере транспорта